ความทนทานมีความหมายต่าง ๆ ในสถิติ แต่ทั้งหมดบอกเป็นนัยถึงความยืดหยุ่นต่อการเปลี่ยนแปลงในประเภทของข้อมูลที่ใช้ สิ่งนี้อาจฟังดูคลุมเครือเล็กน้อย แต่นั่นเป็นเพราะความทนทานสามารถอ้างถึงความไม่รู้สึกต่าง ๆ ต่อการเปลี่ยนแปลง ตัวอย่างเช่น:
- ความทนทานต่อค่าผิดปกติ
- ความทนทานต่อการไม่ปกติ
- ความทนทานต่อความแปรปรวนแบบไม่คงที่ (หรือ heteroscedasticity)
ในกรณีของการทดสอบความทนทานมักจะหมายถึงการทดสอบที่ยังคงถูกต้องเนื่องจากการเปลี่ยนแปลงดังกล่าว กล่าวอีกนัยหนึ่งว่าผลลัพธ์นั้นมีนัยสำคัญหรือไม่มีความหมายก็ต่อเมื่อตรงตามสมมติฐานของการทดสอบ เมื่อสมมติฐานดังกล่าวผ่อนคลาย (กล่าวคือไม่สำคัญ) การทดสอบดังกล่าวมีความสมบูรณ์
พลังของการทดสอบคือความสามารถในการตรวจจับความแตกต่างอย่างมีนัยสำคัญหากมีความแตกต่างที่แท้จริง เหตุผลที่ใช้การทดสอบและแบบจำลองเฉพาะกับสมมติฐานต่าง ๆ คือข้อสมมติฐานเหล่านี้ทำให้ปัญหาง่ายขึ้น (เช่นต้องการพารามิเตอร์ที่น้อยกว่าในการประมาณ) ยิ่งการทดสอบมีข้อสันนิษฐานมากเท่าไหร่ก็ยิ่งมีความแข็งแกร่งน้อยลงเท่านั้นเนื่องจากข้อสมมติฐานเหล่านี้ทั้งหมดจะต้องผ่านการทดสอบเพื่อให้การทดสอบนั้นถูกต้อง
ในทางกลับกันการทดสอบที่มีสมมติฐานน้อยกว่านั้นจะแข็งแกร่งกว่า อย่างไรก็ตามความทนทานมักมาพร้อมกับค่าใช้จ่ายพลังงานเนื่องจากข้อมูลที่ได้จากการป้อนข้อมูลจะน้อยลงหรือจำเป็นต้องมีการประมาณพารามิเตอร์เพิ่มเติม
t
t
FF